专利名称：人脸认证方法及系统、人脸模型训练方法及系统的制作方法
技术领域：
本发明涉及于模式识别技术领域，特别是涉及一种人脸认证方法及系统、一种人 脸模型训练方法及系统。
背景技术：
基于生物特征的身份鉴别技术在社会生活中具有越来越重要的地位和作用。在多 种生物认证方法中，基于人面部特征的识别和认证因为具有无侵犯性、成本低、隐蔽性好、 不需要被测者特殊配合等优点，得到广泛的关注和重视，具有广泛的应用前景。人脸认证特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术，在智 能人机交互、智能视频监控、视频会议和图片及视频检索等各领域有着重要的实用价值。人 脸认证是人脸识别的一个分支，当某人进行人脸认证时，通常先声明自己的身份信息，认证 系统根据声明的信息从验证数据库中找到该信息对应的分类器模型，采用该分类器模型对 该人进行人脸认证，若认证的结果与此人声明的身份信息吻合，则表示认证通过，否则表示 认证未通过。可以看出，人脸认证首先需要利用待认证的人的脸部图像对分类器进行训练，建 立该人的分类器模型，现有的人脸认证方法，一般都是直接采用LBP(局部二元模式，Local Binary Patter)或Gabor作为特征，然后直接采用支持向量机或者adaboost (自适应增强， adaptive boosting)算法对人脸区域内的所有特征进行训练得到人脸认证模型。这些认证方法在提取特征时将人脸作为一个整体，而在实际中，不同人脸其整体 往往具有相似性，以此类模型进行认证时，则容易出现误识，从而影响人脸认证的准确度。因而，目前需要本领域技术人员迫切解决的一个技术问题就是如何能够创新地 提出一种人脸认证的方法，用以提高人脸认证的准确度。
发明内容
本发明所要解决的技术问题是提供一种人脸模型训练及人脸认证的方法及装置， 以提高人脸认证的准确度。为了解决上述技术问题，本发明实施例公开了一种人脸认证方法，包括获得待认证用户的有效人脸图像；将所述有效人脸图像与对应的人脸模型进行匹配，所述人脸模型为依据待认证用 户人脸样本图像中多个特定子区域的纹理特征所构造的分类器，所述匹配的过程包括提取所述有效人脸图像中相应特定子区域的纹理特征；将所述特定子区域的纹理特征输入到所述人脸模型中，输出是否匹配的认证结果。优选的，所述获得待认证用户的有效人脸图像的步骤包括采集待认证用户的人脸图像；标定所述人脸图像中器官特征点的位置；
根据所述器官特征点的位置，对所述人脸图像进行尺寸和灰度归一化；从所述归一化后的人脸图像中割取预设大小的图像为有效人脸图像。优选的，所述人脸模型为通过以下步骤获得的人脸模型在预处理待认证用户的人脸样本图像所获得的有效人脸图像中，划分多个相互交 叠且大小不一的子区域；分别提取所述子区域的纹理特征；依据所有有效人脸图像中相应子区域的纹理特征构造该子区域的训练模型；组合有效人脸图像中所有子区域的训练模型形成作为待认证用户人脸模型的分 类器。优选的，所述纹理特征为LBP直方图特征，所述提取有效人脸图像中相应特定子 区域的纹理特征的步骤包括计算所述有效人脸图像的LBP特征；在所述有效人脸图像中确定对应的多个特定子区域；分别提取所述特定子区域的LBP直方图特征。优选的，所述纹理特征为Gabor-LBP特征，所述提取有效人脸图像中相应特定子 区域的纹理特征的步骤包括获得所述有效人脸图像至少一个尺度、至少一个方向的Gabor特征图像；计算所述Gabor特征图像上的LBP特征为Gabor_LBP特征；在所述有效人脸图像中确定对应的多个特定子区域；分别提取所述特定子区域的Gabor-LBP特征。本发明实施例还公开了一种人脸模型训练的方法，包括在预处理待认证用户的人脸样本图像所获得的有效人脸图像中，划分多个相互交 叠且大小不一的子区域；分别提取所述子区域的纹理特征；依据所有有效人脸图像中相应子区域的纹理特征构造该子区域的训练模型；组合有效人脸图像中所有子区域的训练模型形成待认证用户的人脸模型的分类器。优选的，所述纹理特征为LBP直方图特征，在划分多个相互交叠且大小不一的子 区域的步骤之前，还包括计算所述有效人脸图像的LBP特征。优选的，所述纹理特征为Gabor-LBP特征，在划分多个相互交叠且大小不一的子 区域的步骤之前，还包括获得所述有效人脸图像至少一个尺度、至少一个方向的Gabor特征图像；计算所述Gabor特征图像上的LBP特征为Gabor-LBP特征。优选的，所述依据所有有效人脸图像中相应子区域的纹理特征构造该子区域训练 模型的步骤包括构造子区域特征训练集{(Xi，yi)}，其中，i = 1，. . .，n，Xi为某一有效人脸图像中 相应子区域的LBP直方图特征，Yi为该有效人脸图像所属的样本图像类别；针对所述子区域特征训练集，训练获得作为所述子区域的训练模型的支持向量机模型
权利要求
一种人脸认证方法，其特征在于，包括获得待认证用户的有效人脸图像；将所述有效人脸图像与对应的人脸模型进行匹配，所述人脸模型为依据待认证用户人脸样本图像中多个特定子区域的纹理特征所构造的分类器，所述匹配的过程包括提取所述有效人脸图像中相应特定子区域的纹理特征；将所述特定子区域的纹理特征输入到所述人脸模型中，输出是否匹配的认证结果。
2.如权利要求1所述的方法，其特征在于，所述获得待认证用户的有效人脸图像的步 骤包括采集待认证用户的人脸图像； 标定所述人脸图像中器官特征点的位置；根据所述器官特征点的位置，对所述人脸图像进行尺寸和灰度归一化； 从所述归一化后的人脸图像中割取预设大小的图像为有效人脸图像。
3.如权利要求1所述的方法，其特征在于，所述人脸模型为通过以下步骤获得的人脸 模型在预处理待认证用户的人脸样本图像所获得的有效人脸图像中，划分多个相互交叠且 大小不一的子区域；分别提取所述子区域的纹理特征；依据所有有效人脸图像中相应子区域的纹理特征构造该子区域的训练模型； 组合有效人脸图像中所有子区域的训练模型形成作为待认证用户人脸模型的分类器。
4.如权利要求1所述的方法，其特征在于，所述纹理特征为LBP直方图特征，所述提取 有效人脸图像中相应特定子区域的纹理特征的步骤包括计算所述有效人脸图像的LBP特征； 在所述有效人脸图像中确定对应的多个特定子区域； 分别提取所述特定子区域的LBP直方图特征。
5.如权利要求1所述的方法，其特征在于，所述纹理特征为Gabor-LBP特征，所述提取 有效人脸图像中相应特定子区域的纹理特征的步骤包括获得所述有效人脸图像至少一个尺度、至少一个方向的Gabor特征图像； 计算所述Gabor特征图像上的LBP特征为Gabor-LBP特征； 在所述有效人脸图像中确定对应的多个特定子区域； 分别提取所述特定子区域的Gabor-LBP特征。
6.一种人脸模型训练的方法，其特征在于，包括在预处理待认证用户的人脸样本图像所获得的有效人脸图像中，划分多个相互交叠且 大小不一的子区域；分别提取所述子区域的纹理特征；依据所有有效人脸图像中相应子区域的纹理特征构造该子区域的训练模型； 组合有效人脸图像中所有子区域的训练模型形成待认证用户的人脸模型的分类器。
7.如权利要求6所述的方法，其特征在于，所述纹理特征为LBP直方图特征，在划分多 个相互交叠且大小不一的子区域的步骤之前，还包括计算所述有效人脸图像的LBP特征。
8.如权利要求6所述的方法，其特征在于，所述纹理特征为Gabor-LBP特征，在划分多 个相互交叠且大小不一的子区域的步骤之前，还包括获得所述有效人脸图像至少一个尺度、至少一个方向的Gabor特征图像； 计算所述Gabor特征图像上的LBP特征为Gabor-LBP特征。
9.如权利要求6所述的方法，其特征在于，所述依据所有有效人脸图像中相应子区域 的纹理特征构造该子区域训练模型的步骤包括构造子区域特征训练集{(Xi，yi)}，其中，i = l，...，n，Xi为某一有效人脸图像中相应 子区域的LBP直方图特征，Yi为该有效人脸图像所属的样本图像类别；针对所述子区域特征训练集，训练获得作为所述子区域的训练模型的支持向量机模型
10.如权利要求9所述的方法，其特征在于，所述组合有效人脸图像中所有子区域的训 练模型形成作为待认证用户人脸模型的分类器的步骤包括将各子区域支持向量机模型的输出·χ)作为弱分类器；
11.如权利要求6所述的方法，其特征在于，在依据所有有效人脸图像中相应子区域的 纹理特征构造该子区域训练模型的步骤前，还包括按照表示能力从强到弱的次序对所述子区域的纹理特征进行排序； 选取前M个纹理特征，其中M为自然数。
12.如权利要求6所述的方法，其特征在于，所述预处理用户的人脸样本所获得的有效 人脸图像步骤包括采集待认证用户的人脸样本图像，所述人脸样本图像包括正样本图像和反样本图像； 标定所述人脸样本图像中器官特征点的位置；根据所述器官特征点的位置，对所述人脸样本图像进行尺寸和灰度归一化； 从所述归一化后的人脸样本图像中割取预设大小的图像为有效人脸图像。
13.一种人脸认证系统，其特征在于，包括图像获取模块，用于获得待认证用户的有效人脸图像；匹配模块，用于将所述有效人脸图像与对应的人脸模型进行匹配，所述人脸模型为依 据待认证用户人脸样本图像中多个特定子区域的纹理特征所构造的分类器，所述匹配模块 包括特征提取单元，用于提取所述有效人脸图像中相应特定子区域的纹理特征； 认证单元，用于将所述特定子区域的纹理特征输入到所述人脸模型中，输出是否匹配 的认证结果。
14.如权利要求13所述的系统，其特征在于，所述图像获取模块包括 采集单元，用于采集待认证用户的人脸图像；特征点标定单元，用于标定所述人脸图像中器官特征点的位置；归一化单元，用于根据所述器官特征点的位置，对所述人脸图像进行尺寸和灰度归一化；割取单元，用于从所述归一化后的人脸图像中割取预设大小的图像为有效人脸图像。
15.如权利要求13所述的系统，其特征在于，所述纹理特征为LBP直方图特征，所述特 征提取单元进一步包括LBP特征计算子单元，用于计算所述有效人脸图像的LBP特征；特定子区域确定子单元，用于在所述有效人脸图像中确定对应的多个特定子区域；LBP直方图特征提取子单元，用于分别提取所述特定子区域的LBP直方图特征。
16.如权利要求13所述的系统，其特征在于，所述纹理特征为Gabor-LBP特征，所述特 征提取单元进一步包括Gabor-LBP特征计算子单元，用于获得所述有效人脸图像至少一个尺度、至少一个方向 的Gabor特征图像，并计算所述Gabor特征图像上的LBP特征为Gabor-LBP特征； 特定子区域确定子单元，用于在所述有效人脸图像中确定对应的多个特定子区域； Gabor-LBP特征提取子单元，用于分别提取所述特定子区域的Gabor-LBP特征。
17.—种人脸模型训练系统，其特征在于，包括预处理模块，用于预处理待认证用户的人脸样本图像所获得的有效人脸图像； 子区域划分模块，用于在所述有效人脸图像中划分多个相互交叠且大小不一的子区域；特征提取模块，用于分别提取所述子区域的纹理特征；子区域训练模型构造模块，用于依据所有有效人脸图像中相应子区域的纹理特征构造 该子区域的训练模型；分类器形成模块，用于组合有效人脸图像中所有子区域的训练模型形成待认证用户的 人脸模型的分类器。
18.如权利要求17所述的系统，其特征在于，所述预处理单元进一步包括图像采集单元，用于采集待认证用户的人脸样本图像，所述人脸样本图像包括正样本 图像和反样本图像；特征点标定单元，用于标定所述人脸样本图像中器官特征点的位置； 归一化单元，根据所述器官特征点的位置，对所述人脸样本图像进行尺寸和灰度归一化；割取单元，用于从所述归一化后的人脸样本图像中割取预设大小的图像为有效人脸图像。
全文摘要
本发明提供了一种人脸认证方法，包括获得待认证用户的有效人脸图像；将所述有效人脸图像与对应的人脸模型进行匹配，所述人脸模型为依据待认证用户人脸样本图像中多个特定子区域的纹理特征所构造的分类器，所述匹配的过程包括提取所述有效人脸图像中相应特定子区域的纹理特征；将所述特定子区域的纹理特征输入到所述人脸模型中，输出是否匹配的认证结果。本发明可以提高人脸认证的准确度。
文档编号G06K9/00GK101996308SQ200910090540
公开日2011年3月30日 申请日期2009年8月19日 优先权日2009年8月19日
发明者邓亚峰 申请人:北京中星微电子有限公司